section 2 : c'est un catalogue des IdC pour moyenne et variance dans le cas Voici `a présent la définition mathématique d'un intervalle de confiance telle
Previous PDF | Next PDF |
[PDF] Estimations et intervalles de confiance - Institut de Mathématiques
ponctuelle de paramètres de loi : proportion, moyenne, variance La connaissance des lois mations : intervalle de confiance d'une proportion, d'une moyenne
[PDF] MODULE 2 : Estimation par intervalle de confiance - FOAD - MOOC
Les paramètres inconnus à estimer seront successivement la moyenne, la variance, la proportion d'une population Trois autres cas seront considérés : la
[PDF] Statistique : étude de cas Intervalles de confiance - Université de
6 oct 2017 · 5 Estimation de la variance σ2 d'une variable gaussienne intervalle de confiance pour une moyenne µ lorsque la variance σ2 est connue (ici
[PDF] Intervalles de confiance
section 2 : c'est un catalogue des IdC pour moyenne et variance dans le cas Voici `a présent la définition mathématique d'un intervalle de confiance telle
[PDF] Statistiques
nf ≥ 10, n(1 − f) ≥ 10 Calcul de IC1−α(σ2) lorsque µ est connue L'intervalle de confiance de la variance σ2 se calcule `a partir de l'échantillon de taille n par
[PDF] STATISTIQUE : ESTIMATION - Institut de Mathématiques de Bordeaux
Estimation de la variance quand la moyenne est inconnue 18 4 Comparaison de moyennes et de variances 18 4 a Intervalle de confiance de la différence de
[PDF] ESTIMATION DE PARAMÈTRES
par un intervalle (estimation par intervalle de confiance) estimateur sans biais mais à variance élevée peut fournir des estimations très éloignées de la
[PDF] Calcul dun intervalle de confiance pour la moyenne dans une
La notation suivante est utilisée dans tout cet essai : – (X1, ,Xn) : est un échantillon aléatoire de taille n d'une distribution F, de moyenne µ et de variance σ2 – IC
[PDF] intervalle de confiance d'une moyenne
[PDF] intervalle de confiance loi normale centrée réduite
[PDF] intervalle de confiance student
[PDF] intervalle de confiance d'une moyenne excel
[PDF] unité commerciale définition
[PDF] climat définition cycle 3
[PDF] definition de meteorologie
[PDF] unité commerciale physique et virtuelle complémentaire
[PDF] definition meteo
[PDF] dispense cap petite enfance
[PDF] deaes
[PDF] formule variance
[PDF] problème du second degré seconde
[PDF] bpjeps
![[PDF] Intervalles de confiance [PDF] Intervalles de confiance](https://pdfprof.com/Listes/18/14236-18intervalles.pdf.pdf.jpg)
Universit
´e de Rennes I - Pr´eparation`a l"´epreuve de mod´elisation - Agr´egation Externe de Math´ematiques -2007-2008.Page n°1.Intervalles de confiance
Les probabilit´es s"attachent `a d´ecrire le comportement (souvent asymptotique) de fonction-nelles de variables al´eatoires dont on connaˆıt la loi. Une des deux grandes questions auxquelles
s"int´eresse la statistique est de d´ecrire une loi de probabilit´e `a partir d"observations suppos´ees
ˆetre des r´ealisations i.i.d. de cette loi inconnue. Le statisticien est une sorte de d´etective qui, face
`a de multiples individus, doit s´electionner un ou des suspects au vu d"indices dont aucun n"est une preuve. Conseils de lecture.Ce petit condens´e comporte beaucoup d"informations et d´epasse le pro- gramme de tronc commun. Voici donc quelques pistes qui vous aideront `a naviguer dans letexte.-section 1 : `a lire pour l"exemple1. La d´efinition abstraite des IdC peut ˆetre perturbante
en premi`ere lecture mais elle sera claire lors de la seconde.-section 2 : c"est un catalogue des IdC pour moyenne et variance dans le cas gaussien. Il
faut retenir que, dans ce cadre, tout marche bien car on connaˆıt plein de lois explicitement. Retenez juste l"apparition de la loi duχ2et apprenez `a utiliser les tables de distributionsse trouvant dans les livres.-section 3 : retenir l"utilisation du TLC et la notion de probabilit´e de confiance asympto-
tique. On peut se contenter de la section 4 en premi`ere approximation.-section 4 : `a connaˆıtre sur le bout des doigts. C"est le truc le plus utilis´e apr`es le cas
gaussien. Les non probabilistes peuvent oublier l"exercice13. -section 5 : r´eserv´e aux probabilistes.-section 6 : tr`es bien pour r´eviser l"in´egalit´e de Markov et la transform´ee de Laplace, ¸ca
peut parfois servir `a l"´ecrit...1 D´efinitions et premier exemple
On se placera souvent dans un cadre param´etrique : soit (Ω,A) un espace mesurable et(Pθ)θ?Θune famille de probabilit´es sur (Ω,A) index´ee parθ?Θ?Rd. La plupart du tempsd
vaudra 1 ou 2. Donnons tout de suite des exemples archi-classiques de telles familles :(B(θ))θ?[0,1],{p= (p1,...,pk), pi≥0, p1+···+pk= 1},(E(θ))θ?R+,(N(m,σ2))(m,σ)?R×R+.
Ces familles sont respectivement associ´ees `a un sondage sur l"abstention, un premier tour d"´elec-
tions pr´esidentielles, des temps de connexion `a un serveur informatique et une mesure entach´ee
d"erreurs.´Etant donn´e un nombreα?]0,1[ et un ´echantillonX1,...,Xnde loiPθ, un intervalle (ou une
r´egion) de confiance pour le param`etreθde probabilit´e de confiance 1-αest un intervalle (ou
une r´egion) qui d´epend de l"´echantillon (il est al´eatoire) tel que la probabilit´e que cet intervalle
contienneθsoit ´egale `a 1-α.8 novembre 2007. F. Malrieu florent.malrieu@univ-rennes1.fr. GNU FDL Copyleft. Page n°1.
Universit
´e de Rennes I - Pr´eparation`a l"´epreuve de mod´elisation - Agr´egation Externe de Math´ematiques -2007-2008.Page n°2.Exemple 1(´Echantillon gaussien de variance connue).L"exemple le plus simple est le suivant :
soitX1,...,Xni.i.d. de loiN(θ,1) avecθinconnu. Alors ?θ?R,⎷n 1n n i=1X i-θ? ≂ N(0,1). Or, on sait que siY≂ N(0,1), alorsP(|Y| ≤1,96) = 0,95. Ainsi, ?θ?R,Pθ?θ??X
n-1,96⎷n ,X n+1,96⎷n =Pθ?⎷n ????1n n i=1X i-θ? ????≤1,96? = 0,95.L"intervalle
?X n-1,96⎷n ,X n+1,96⎷n est donc un intervalle de confiance pourθde niveau de confiance 0,95.Voici `a pr´esent la d´efinition math´ematique d"un intervalle de confiance telle qu"on peut la
trouver dans [Tas85] par exemple.D´efinition 2.Soitα?]0,1[ donn´e; on appelle r´egion de confiance pour le param`etreθ, de
niveau de confiance 1-α, la famille non vide de parties de ΘCx1,...,xntelle que?θ?Θ,Pθ(θ?CX1,...,Xn) = 1-α.Exercice 3.Montrer que, dans l"exemple1, l"intervalle obtenu est l"intervalle de confiance pour
θ(de probabilit´e de confiance 0,95) le moins long.Remarque4.Tr`es souvent, lorsque le param`etreθest r´eel, la r´egion construite se trouvera ˆetre
un intervalle. On parlera alors d"intervalle de confiance.Dans l"exemple1, on a utilis´e, pour construire l"intervalle de confiance, une v.a. qui d´epend
de l"´echantillon et du param`etre inconnu mais dont la loi ne d´epend pas du param`etre. C"est ce
que l"on appelle une fonction pivotale. Cette recherche de fonction pivotale sera l"une des cl´es pour d´eterminer des intervalles de confiance. Souvent la situation ne sera pas aussi simple que dans l"exemple1et il faudra se contenter par exemple de fonctions asymptotiquement pivotales (c"est-`a-dire que la loi de la fonction converge,quand la taille de l"´echantillon tend vers l"infini, vers une loi qui ne d´epend pas deθ). Les autres
outils dont nous aurons besoin sont tr`es vari´es : th´eor`emes limites (LFGN, TLC, convergence
des quantiles empiriques), propri´et´es de lois classiques, in´egalit´es de d´eviation `a la Chernov...
Pour une d´efinition compl`ete des intervalles de confiance, des m´ethodes d"estimation etc...on pourra consulter [Tas85] et [Sap90]. Pour ceux qui ont d´ej`a fait des statistiques, citons aussi
[Mon82].2 Le monde merveilleux des lois gaussiennes
L"exemple le plus commun en pratique est le cas d"un ´echantillon gaussien. Avec un peu de connaissance de lois dites classiques, on peut donner des intervalles de confiance pour estimerles param`etres de fa¸con exacte (c"est-`a-dire non asymptotique).8 novembre 2007. F. Malrieu florent.malrieu@univ-rennes1.fr. GNU FDL Copyleft. Page n°2.
Universit
´e de Rennes I - Pr´eparation`a l"´epreuve de mod´elisation - Agr´egation Externe de Math´ematiques -2007-2008.Page n°3.NotonsX
n=1n n i=1X ietS2n=1n n i=1(Xi-X n)2. AlorsX nest l"estimateur sans biais de variance minimale dem. Il converge presque sˆurement versm. D"autre part,S2nconverge aussi presque sˆurement versσ2maisS2nest biais´e :E(S2n) =n-1n